机器人一多，麻烦就像机场航班挤在一起：每台设备要单独接入，云端训练、现场相机和机械臂还得分别部署、反复配网。清华大学与无问芯穹开源的 RLark，想给机器人集群建一座“塔台”，把分散的设备、算力和程序放进同一套任务调度体系。
它借用了云原生——用容器和自动调度统一管理软件与计算资源——的思路。自研 embodied-runtime（让程序落到真实硬件上运行的基础软件层）把机器人、相机注册成可申请、可调度的资源，像 GPU 一样统一分配；跨集群网络则连接不同地点的现场设备与云端算力。研究人员只需提交一份任务配置，就能安排训练、推理和真机交互。
据项目团队披露，RLark 已统一纳管3个集群、近百个云边端节点和4种型号的具身设备。在资源就绪的测试环境中，设备纳管由约1小时缩短至5分钟，任务提交后10秒内启动；广东云端 GPU 与北京机器人现场还连续运行约36分钟，完成采集、训练与真机验证闭环。这些数字来自团队测试，但它补的是一个常被忽略的环节：机器人规模化之前，先得有能管住整个机群的基础设施。